HiOA har blitt OsloMet – storbyuniversitetet. Les mer om hva det har å si for deg.

meny
søk
English

AVLYST - SPVARA Anvendt regresjonsanalyse

Dette ph.d.-emne er dessverre avlyst. Vi vet ikke om det blir satt opp igjen på et senere tidspunkt/semester. Vi beklager dette!

Innledning

Regresjonsanalyse er en statistisk metode som anvendes for å analysere hvordan ulike variabler er relatert til hverandre. Ved hjelp av regresjonsmodeller kan forbindelser mellom variabler beskrives og forklares, men også predikeres. I emnet behandles begreper fra sannsynlighets- og statistisk inferensteori, hvordan modellkontroller skal utføres og deres betydning for prosessen med å lage regresjonsmodeller.

Kandidaten vil i løpet av kurset tilegne seg  teoretiske og praktiske kunnskaper for å kunne anvende regresjonsanalyse som samfunns- og sosialvitenskapelig forskningsmetode på et avansert faglig nivå. Kurset gir  kunnskaper om og forståelse av hvordan ulike regresjonsanalytiske modeller kan knyttes til forskningsmessige problemstillinger.

Målgruppe

Emnet er primært for studenter som er tatt opp i ph.d.-program. Ved ledige plasser er emnet åpent for andre interesserte med relevant mastergrad eller tilsvarende utdanning.

Forkunnskapskrav

Bestått mastergrad (120 studiepoeng) eller tilsvarende utdanning.

Søkere må sende inn et sammendrag på om lag én A4-side med informasjon om eget ph.d.-prosjekt. Sammendraget sendes inn innen søknadsfristens utløp til  anders.westbye@hioa.no.

Læringsutbytte

Etter fullført emne har kandidaten følgende læringsutbytte definert i kunnskap og ferdigheter:

Kunnskap

Kandidaten

  • har bred og oppdatert oversikt over utvalget av regresjonsanalytiske modeller og teknikker samt det sannsynlighetsteoretiske grunnlaget for disse teknikkene
  • kan vurdere hensiktsmessigheten og anvendelsen av ulike regresjonsanalytiske modeller i konkrete forskningsmessige problemstillinger, herunder om forutsetninger for ulike regresjonsanalytiske modeller er tilfredsstilte
  • kan bidra til utvikling av ny kunnskap basert på regresjonsanalyser, herunder avgjøre regresjonsanalytiske modellers egnethet i analyser av årsakssammenhenger og sosiale mekanismer

Ferdigheter

Kandidaten

  • kan formulere forskningsspørsmål for, planlegge, og gjennomføre forskning basert på regresjonsanalytisk tilnærming
  • kan drive forskning basert på regresjonsanalytiske tilnærminger på høyt faglig nivå gjennom å utvikle regresjonsbaserte modeller for avanserte forskningsspørsmål
  • kan vurdere regresjonsanalytiske modeller kritisk gjennom å diagnostisere om forutsetninger for analyser er tilfredsstilte og iverksette tiltak for å håndtere brudd på forutsetningene

Innhold

Emnet vil omhandle følgende temaer, av tidshensyn gis det kun en introduksjon til enkelte temaer:

  • Statistisk teori: sannsynligheter og sannsynlighetsfordelinger, hypotesetesting, estimering ved minste kvadraters metode og ved sannsynlighetsmaksimering
  • Analyse av kontinuerlig avhengige variabler
  • Ikke-linearitet og samspill i regresjonsmodeller
  • Brudd på kolinearitetsforutsetningen og homoskedastisitetsforutsetningen, robuste standardfeil
  • Bygging av årsaksmodeller: kontrollvariabler, instrumentelle variabler, fixed effects, difference-in-differences, strukturelle likningsmodeller (introduksjon)
  • Analyse av kategorisk avhengige variabler
  • Begrensede avhengige variabler: trunkerte variabler, sensurerte variabler, utvalgsseleksjon (introduksjon)
  • Analyse av paneldata (introduksjon)
  • Flernivåanalyse (introduksjon)

Arbeids- og undervisningsformer

Undervisningen gjennomføres som en kombinasjon av forelesninger og workshops der det gjøres bruk av det statistiske programmet STATA.

Arbeidskrav

Aktiv deltakelse i undervisningen er en forutsetning for å utvikle fagforståelse. Det er derfor krav om obligatorisk tilstedeværelse. Emneansvarlig kan i enkelte og særlige tilfeller (etter søknad) akseptere unntak fra tilstedeværelseskravet. I slike tilfeller kan manglende deltakelse i undervisningen kompenseres ved aktiv lesning av den aktuelle pensumlitteraturen.

Arbeidskrav vurderes til godkjent eller ikke godkjent.

Vurderings-/eksamensform og sensorordning. Vurderingsuttrykk

Deltakerne skal levere et cirka 15 siders øvelsesarbeide i regresjonsanalyse. Dette arbeidet skal presenteres både skriftlig og muntlig. Den siste versjonen av øvelsesarbeidet skal leveres senest to måneder etter avsluttet undervisning i emnet. Arbeidet vurderes av emneansvarlig til bestått eller ikke bestått. Dersom øvelsesarbeidet vurderes til ikke bestått, kan det leveres inn i bearbeidet form én gang innen en nærmere angitt frist.

Vurderingen av øvelsesarbeidet gjøres på grunnlag av læringsutbyttebeskrivelser for emnet. Bestått øvelsesarbeid er en forutsetning for å oppnå 10 studiepoeng.

Det gis ikke anledning til forlengelse av innleveringsfristen. Unntak er sykdom som dokumenteres med sykemelding. Etter søknad kan det gis utsettelse tilsvarende den dokumenterte sykdomsperioden.

Vurderingsuttrykk: bestått/ikke bestått

Hjelpemidler til vurdering/eksamen

Alle

Klageadgang

Bestemmelser om eksamen og fusk i forskrift om studier og eksamen ved Høgskolen i Oslo og Akershus gjelder for arbeider som inngår i ph.d.-programmets opplæringsdel.

Undervisningsplan

Kommer

Pensumliste

Totalt: ca. 750 sider

Wooldridge, Jeffrey M. 2013.  Introduction to Econometrics. Europe, Middle East and African Edition.  Andover, Hamsphire: Cengage Learning. Kapittel 1 – 9, 13 – 15 og 19.

Long, J. Scott & Jeremy Freese. 2014.  Regression Models for Categorical Dependent Variables Using Stata, Third Edition.  College Station, Texas: Stata Press. Kapittel 3 – 7, 9

Snijders, Tom A B & Roel J Bosker. 2012.  Multilevel Analysis. Los Angeles: SAGE. Kapittel 1 – 8.

Bøkene kan bestilles/kjøpes på Akademika

 

Vedrørende pensum og forberedelse til emnet

Emnet er  ikke  et introduksjonskurs og  forutsetter  derfor grunnleggende kunnskaper om regresjonsanalyse. Hvis man er i tvil om sine forkunnskaper, anbefales en av følgende bøker som forberedelse til emnet:

Skog, Ole-Jørgen. 2004.  Å forklare sosiale fenomener. En regresjonsbasert tilnærming.  Oslo: Gyldendal Akademisk forlag. Kapittel 1-12.

eller

Allison, Paul David. 1999.  Multiple Regression: A Primer.  Thousand Oaks:Pine Forge Press. Hele boken.

Emnet legger til grunn to hovedbøker: Den første (Wooldridge) er en innføringsbok i økonometri. Boken dekker de fleste relevante temaer, men stiller samtidig ikke for store krav til matematikkunnskaper (spesielt matriseregning). De som ønsker seg det autoritative verket på området og samtidig ikke lar seg skremme av matematikk, kan alternativt velge følgende bok:

Greene, William H. 2012.  Econometric analysis . Boston: Pearson.

For de som ønsker en enda mykere innføring enn Wooldridge, er følgende bok et alternativ:

Stock, James H. & Mark W. Watson. 2012.  Introduction to econometrics . Boston: Pearson Addison Wesley.

Den andre hovedboken er boken til Long og Freese om regresjon med kategoriske avhengige variabler. Alternativt kan man velge det klassiske verket på området, som krever noe mer matematisk forståelse:

Long, J. Scott. 1997.  Regression Models for Categorical and Limited Dependent Variables. Thousand Oaks: SAGE.

Om emnet

Applied regression analysis Valgfritt emne i ph.d.-studiet i profesjonsstudier. Emnet tilbys ved Senter for profesjonsstudier (SPS). 10 stp. Vår Norsk 2018

Søknad og opptak

Faglig ansvarlig:  Per Arne Tufte

Administrativt ansvarlig: Karima Bitta

Søk opptak 15. februar

Kurset går 12. 13. og 14. mars og 9. og 10. april.

Bestått mastergrad (120 studiepoeng) eller tilsvarende utdanning. Emnet er primært for studenter/stipendiater som er tatt opp i et ph.d.-program. Ved ledige plasser er emnet åpent for andre interesserte med relevant hovedfag eller mastergrad.

Søkere må sende inn et sammendrag på om lag én A4-side med informasjon om eget ph.d.-prosjekt. Sammendraget sendes til: Karima Bitta

Publisert: Oppdatert: